An intelligent video-monitoring system to detect falls: a proof of concept
Notice bibliographique
Résumé
Purpose To face the challenges raised by the high incidence of falls among older adults, the intelligent video-monitoring system (IVS), a fall detection system that respects privacy, was developed. Most fall detection systems are tested only in laboratories. The purpose of this paper is to test the IVS in a simulation context (apartment-laboratory), then at home. Design/methodology/approach This study is a proof of concept including two phases: a simulation study to test the IVS in an apartment-laboratory (29 scenarios of activities including falls); and a 28-day pre-test at home with two young occupants. The IVS’s sensitivity (Se), specificity (Sp), accuracy (A) and error rate (E) in the apartment-laboratory were calculated, and functioning at home was documented in a logbook. Findings For phase 1, results are: Se =91.67 per cent, Sp =99.02 per cent, A=98.25 per cent, E=1.75. For phase 2, the IVS triggered four false alarms and some technical dysfunctions appeared (e.g. computer screen never turning off) that are easily overcome. Practical implications Results show the IVS’s efficacy at automatically detecting falls at home. Potential issues related to future installation in older adults’ homes were identified. This proof of concept led to recommendations about the installation and calibration of a camera-based fall detection system. Originality/value This paper highlights the potentialities of a camera-based fall detection system in real-world contexts and supports the use of the IVS to help older adults age in place.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».